• Redaktion

Angst vor Innovation in Unternehmen

Aktualisiert: 18. Dez 2019

„Scheitern nicht erlaubt“ heißt es in vielen deutschen Unternehmen. Doch eine

„Kultur des Scheiterns“ und der Mut zu neuen Risiken können sich durchaus lohnen

und Innovationen fördern. Dennoch wird das Scheitern im Beruf oft als fataler

Fehlschlag gesehen und als Tabu gehandelt.


Laut der „Digital Roadblock“-Studie von Adobe schätzen Marketingexperten aus

Großbritannien, Frankreich und den USA die Zukunft stellenweise ganz anders ein

als in Deutschland.


Die Studie zeigt, dass deutsche Unternehmen Risiken und Veränderungen scheuen.

Aus der Angst vor dem Scheitern wird eine eher geringe Risikobereitschaft an den

Tag gelegt.


Dass das Scheitern aber auch positive Aspekte haben kann, wissen wir bereits seit

Christopher Nolans ‚Batman Begins‘: Bruce Wayne stürzt als Kind in einen Brunnen.

Sein Vater gibt ihm daraufhin eine Lebensweisheit mit auf den Weg: „Warum fallen wir, Bruce? – Damit wir wieder aufstehen können.“ Diese Metapher begleitet ihn auf seinem Lebensweg –

Fehlschläge sind dazu da, um an ihnen zu wachsen. Das stellte auch Arianna Huffington fest, Sachbuchautorin, Journalistin sowie Mitbegründerin und Chefredakteurin der Huffington Post. Blickt sie auf den steinigen Weg zurück, den sie auf ihrem Weg zum Erfolg zurücklegen

musste, zitiert sie gerne ihre Mutter: „My mother said failure was a stepping stone to

success.“



Um die digitalen, mittlerweile in unser Leben integrierten Kommunikationswege

effektiv bespielen zu können, müssen die Rollen im Marketing neu gedacht und

besetzt werden. Das kostet nicht nur Geld – es ist auch erforderlich, neue Wege zu

gehen und fordert dabei eine gewisse Risikobereitschaft. Oft ist das Go-to-Rezept:

Neue Mitarbeiter anwerben, die neue Blickwinkel mitbringen und nach Möglichkeit

risikofreudig sind. Davon wiederum können sich langjährige Mitarbeiter in ihrer

Stellung bedroht fühlen. Fast wie ein Teufelskreis: Angetrieben von der Furcht vor

dem Scheitern werden junge Mitarbeiter eingestellt, die frischen Wind ins

Unternehmen bringen sollen und die „alten“ Mitarbeiter bei Erfolg verdrängen

könnten.

Oft geht es dann einfach darum, neue Ideen und Innovationen zu finden. Aber auf

frische, neue Ideen zu stoßen, ist nicht immer so einfach. Hier können Trendanalyse-

Tools den Unternehmen helfen. Beispielhaft ist hier die KI Pythia, die über ein

künstliches neuronales Netz verfügt, das riesige Datenmengen analysiert. Durch die

Analyse von Google- und Amazon-Sucheingaben sowie weiteren Datenquellen

können neue Trends bereits im Voraus erkannt werden. Unternehmen können

dadurch etwa die Entwicklung der Marktnachfrage besser einschätzen und die

Produktentwicklung dementsprechend planen.



DOCH WAS SIND NEURONALE NETZE?


Künstliche neuronale Netze sind selbstlernende Systeme, die sich ständig

verbessern können. Sie sind durch das menschliche Gehirn inspiriert und dessen

biologischem Aufbau nachempfunden. Ein neuronales Netz besteht aus einem

Modell miteinander verbundener Neuronen, auch Knoten oder Units genannt, durch

deren Verknüpfung und Anordnung sich Anwendungsprobleme computerbasiert

lösen lassen. Grundsätzlich kann zwischen verschiedenen Neuronenarten

unterschieden werden: Input-Neuronen nehmen Informationen von der Außenwelt

auf. Hidden-Neuronen stellen interne Informationsmuster dar und befinden sich

zwischen Output- und Input-Neuronen. Output-Neuronen geben Informationen als

Ergebnis an die Außenwelt ab. Über Kanten sind die unterschiedlichen Neuronen

verbunden. Dadurch kann der Output eines Neurons der Input für ein anderes

Neuron sein.


Neuronale Netze sind vielseitig einsetzbar. So werden sie beispielsweise schon zur

Bilderkennung eingesetzt. Sucht man etwa auf Google (oder – wie in unserem

Beispielbild – Bing) nach ‚katze‘, kann Google thematisch ähnliche Bilder anzeigen,

also andere Bilder mit Katzen.


Für den Menschen mag es selbstverständlich sein, eine Katze zu erkennen, aber ein

Computer sieht in einem Bild zunächst keine Katze, sondern nur Zahlen.


Durch maschinenbasiertes Lernen kann der Computer dann anhand von vielen

Vergleichswerten lernen, eine Katze in dem Bild zu erkennen.

Bevor ein neuronales Netz solche Entscheidungen zuverlässig treffen kann, muss es

trainiert werden. Anhand von vorbestimmtem Lernmaterial wird das Netz nach

bestimmten Regeln trainiert. Diese Regeln geben vor, wie das Lernmaterial das Netz

beeinflusst werden soll. Durch den fortlaufenden Vergleich zwischen Soll- und Ist-

Ergebnis lernt das Netzwerk, die Neuronen sinnvoll zu verknüpfen.


Neben der Bilderkennung sind weitere typische Anwendungsgebiete der letzten

Jahre u.a. das autonome Fahren sowie – durch uns – die Trenderkennung. Während

das autonome Fahren sich noch in Kinderschuhen befindet, findet die

Trenderkennung schon intensive Anwendung in der Praxis.

Zum Beispiel unsere KI Pythia, die sehr präzise Trendanalysen für kommende

Marktnachfragen erstellen kann. Ihre Algorithmen übernehmen das Sammeln,

Steuern und Auswerten von riesigen Datenmengen, die über ein künstliches

neuronales Netz analysiert werden. Statt lediglich komplexe Ist-Zustände zu

berechnen, die für das menschliche Gehirn zu umfangreich wären, kann sie

Prognosen erstellen. Dafür untersucht Pythia Informationen aus Google-

Sucheingaben auf neue Trends, um Prognosen zu erstellen, die einen relevanten

Wettbewerbsvorteil verschaffen können.



DIE ZUKUNFT IST BEREITS HIER


Wie Adobes „Digitale Trends 2019“-Studie zeigt, verwenden im Vergleich zum

Vorjahr bereits 50 % mehr Großunternehmen KI. Künstliche Intelligenz kann jetzt

schon dabei helfen, das Risiko für mögliche Fehler zu minimieren. Mit der KI Pythia

lassen sich etwa Trendanalysen zu kommenden Marktnachfragen erstellen.

Unternehmen können so Zeit und Sicherheit für ihre Produktentwicklung gewinnen.



logo_300.png